科技巨頭往往是前沿科技的引領(lǐng)者，在AI、5G、物聯(lián)網(wǎng)逐步普及的當(dāng)下，IBM、谷歌、微軟、百度、阿里等國(guó)內(nèi)外巨頭都在投入巨大資源爭(zhēng)搶新一輪科技浪潮的話語(yǔ)權(quán)。其中顛覆傳統(tǒng)馮諾依曼架構(gòu)，被譽(yù)為未來(lái)全新一代人工智能處理器的類腦芯片也引發(fā)了不少關(guān)注，IBM和Intel等都已發(fā)布類腦芯片，國(guó)內(nèi)的華為、阿里、百度等巨頭都在爭(zhēng)相競(jìng)逐這個(gè)領(lǐng)域。類腦芯片是人類腦研究和半導(dǎo)體技術(shù)的全新結(jié)合，具有巨大的發(fā)展前景。
aiCTX，一家位于瑞士蘇黎世，成立僅2年的初創(chuàng)公司，其類腦芯片產(chǎn)品將有望領(lǐng)先全球各巨頭實(shí)現(xiàn)產(chǎn)業(yè)化落地？
類腦芯片真的可實(shí)現(xiàn)？
AI、量子計(jì)算、類腦芯片都被不少人視作“黑科技”，但其實(shí)這些概念首次被提出都很早，類腦芯片或者說(shuō)神經(jīng)形態(tài)計(jì)算的概念，至少可以追溯到20世紀(jì)80年代，當(dāng)時(shí)傳奇的加州理工學(xué)院研究員Carver Mead提出設(shè)計(jì)集成電路來(lái)模仿活神經(jīng)元細(xì)胞的組織。然而，由于生物神經(jīng)元的發(fā)射是非確定性的，經(jīng)典計(jì)算架構(gòu)馮諾依曼是確定性的架構(gòu)，這一因素在很大程度上讓計(jì)算機(jī)無(wú)法模仿人類大腦。
除了技術(shù)的難題，類腦研究人員的心態(tài)也是一個(gè)重要影響。在類腦研究起步較早的歐洲，許多研究人員進(jìn)行相關(guān)的研究是覺得類腦研究很有意義，并且很享受研究的過(guò)程，而不是考慮如何去應(yīng)用或?qū)崿F(xiàn)商業(yè)化。
業(yè)界也出現(xiàn)了對(duì)類腦芯片可行性的質(zhì)疑。對(duì)此，aiCTX首席執(zhí)行官喬寧博士表示：“因?yàn)榭床坏綉?yīng)用，出現(xiàn)質(zhì)疑的聲音很正常。我進(jìn)入這一領(lǐng)域前是中科院半導(dǎo)體研究所博士，主要進(jìn)行低功耗數(shù)?；旌想娐返脑O(shè)計(jì)。自2012年起加入蘇黎世大學(xué)及蘇黎世聯(lián)邦理工大學(xué)的神經(jīng)信息研究所INI進(jìn)行類腦芯片研究，從12年到16年底，基本每年都會(huì)設(shè)計(jì)1-2款神經(jīng)形態(tài)處理器，對(duì)類腦芯片有很深的理解。”
除了各高校及科研院所，可以觀察到的是包括IBM、Intel等在內(nèi)的科技巨頭都在投入資金研發(fā)并陸續(xù)推出類腦芯片。
近幾年，美國(guó)DARPA投巨資支持IBM及Intel等美國(guó)巨頭高科技公司開展TrueNorth及Loihi類腦芯片開發(fā)項(xiàng)目，并已經(jīng)在多個(gè)領(lǐng)域得到應(yīng)用。美國(guó)勞倫斯-利弗莫爾國(guó)家實(shí)驗(yàn)室、美國(guó)空軍研究實(shí)驗(yàn)室（AFRL）也均購(gòu)買過(guò)IBM的TrueNorth芯片。這也能說(shuō)明研發(fā)類腦芯片的可行性以及重大的戰(zhàn)略意義。
類腦芯片的優(yōu)勢(shì)何在？
那么，研究開發(fā)類腦芯片的意義到底是什么？這就得從本質(zhì)上去理解。神經(jīng)形態(tài)裝置（包含傳感和處理等）的工程涉及開發(fā)其功能類似于大腦部分的組件。人腦的活體神經(jīng)細(xì)胞有四個(gè)主要的功能成分，如下圖所示：
- Synapses（突觸）：電化學(xué)脈沖通過(guò)稱為突觸的微小界面點(diǎn)進(jìn)入細(xì)胞
- Dendrites（樹突）：突觸分散在稱為樹突的樹根狀纖維的表面上
- Cell Body（細(xì)胞體）：樹突伸展到周圍的神經(jīng)組織，從突觸中收集脈沖，并將脈沖傳回神經(jīng)元的心臟，稱為細(xì)胞體。
- Axon（軸突）：一種樹狀纖維，將細(xì)胞體的輸出脈沖傳導(dǎo)到神經(jīng)組織，最終在其他細(xì)胞的樹突上突觸。
在生物大腦中，每個(gè)神經(jīng)元都與各種輸入相連。一些輸入在神經(jīng)元中產(chǎn)生激發(fā)，而另一些輸入則抑制它，如人工神經(jīng)網(wǎng)絡(luò)中的正負(fù)權(quán)重。但對(duì)于SNN（脈沖神經(jīng)網(wǎng)絡(luò)），在達(dá)到由變量（或者可能具有函數(shù)）描述的特定閾值狀態(tài)時(shí)，神經(jīng)元發(fā)出脈沖信號(hào)。正是由于這種特性，只有當(dāng)神經(jīng)元脈沖觀察到域的變化時(shí)，神經(jīng)形態(tài)系統(tǒng)才需要能量，所以這種系統(tǒng)相比馮諾依曼計(jì)算機(jī)有顯著的功耗優(yōu)勢(shì)以及更強(qiáng)的自適應(yīng)學(xué)習(xí)能力。
大腦的神奇之處在于實(shí)時(shí)處理復(fù)雜信息的同時(shí)只消耗極少的能量。而神經(jīng)擬態(tài)工程的目標(biāo)不是模仿大腦，而是理解大腦如此高效的工作機(jī)制，并把這些機(jī)制用到的芯片中去。這些機(jī)制中，細(xì)粒度并行計(jì)算，神經(jīng)動(dòng)力學(xué)，時(shí)域編碼，基于時(shí)間的信息處理等等，直接啟發(fā)了新特征，新架構(gòu)，新算法對(duì)計(jì)算系統(tǒng)的能力以及效率的突破。
正如Intel前不久發(fā)表聲明指出，脈沖神經(jīng)網(wǎng)絡(luò)是目前深度神經(jīng)網(wǎng)絡(luò)的必然繼承者，脈沖神經(jīng)網(wǎng)絡(luò)在運(yùn)算中利用了時(shí)域動(dòng)力學(xué)，因此非常適合于實(shí)時(shí)處理真實(shí)世界的傳感器數(shù)據(jù)，例如聲音或者視頻，尤其是在需要快速實(shí)時(shí)響應(yīng)的情況下。
從算法角度看，脈沖神經(jīng)元提供了可以在時(shí)間域進(jìn)行實(shí)時(shí)信息處理的神經(jīng)網(wǎng)絡(luò)的基本方法。從硬件實(shí)現(xiàn)角度看，類腦架構(gòu)可以利用脈沖機(jī)制進(jìn)行高度稀疏的脈沖驅(qū)動(dòng)運(yùn)算，大大節(jié)省了能耗。所有這些優(yōu)勢(shì)對(duì)邊緣計(jì)算在能效和實(shí)時(shí)性上有極大的提升，尤其是邊緣設(shè)備需要對(duì)實(shí)施動(dòng)態(tài)數(shù)據(jù)的實(shí)時(shí)本地處理，比如生產(chǎn)車間，自動(dòng)駕駛汽車或者機(jī)器人等。
可以看到，2011年8月IBM率先研發(fā)出具有感知、認(rèn)知功能的脈沖神經(jīng)網(wǎng)絡(luò)芯片原型，推出第一代TrueNorth。到了2014年，TrueNorth第二代誕生，功耗為每平方厘米20毫瓦，是第一代的百分之一?？傮w看，第二代TrueNorth芯片由4096 個(gè)內(nèi)核，100 萬(wàn)個(gè) “神經(jīng)元”、2.56 億個(gè)“突觸”集成。
IBM當(dāng)時(shí)表示如果 48 顆TrueNorth芯片組建起具有 4800 萬(wàn)個(gè)神經(jīng)元的網(wǎng)絡(luò)，帶來(lái)的智力水平將相似于普通老鼠。但這款芯片亮相之后就沒有大動(dòng)作，也未應(yīng)用到其人工智能系統(tǒng)Watson中。
到了2018年，Intel展示了耗時(shí)多年研發(fā)的其首款自學(xué)習(xí)脈沖神經(jīng)元芯片Loihi。Intel稱Loihi內(nèi)部包含了128個(gè)計(jì)算核心，每個(gè)核心集成1024個(gè)人工神經(jīng)元，總計(jì)13.1萬(wàn)個(gè)神經(jīng)元，彼此之間通過(guò)1.3億個(gè)突觸相互連接。
即便如此，相比人腦內(nèi)的800多億個(gè)神經(jīng)元的Loihi仍然相對(duì)簡(jiǎn)單。不過(guò)，Intel給出的數(shù)據(jù)指出，Loihi的學(xué)習(xí)效率比其他智能芯片高100萬(wàn)倍，而在完成同一個(gè)任務(wù)所消耗的能源可節(jié)省近1000倍。
與IBM一樣，Intel類腦芯片發(fā)布之后也未見其有在產(chǎn)業(yè)端有進(jìn)一步的消息。
aiCTX超越兩大巨頭的三大關(guān)鍵
之所以會(huì)出現(xiàn)這樣的情況，喬寧博士認(rèn)為，無(wú)論是IBM還是Intel，他們目前對(duì)神經(jīng)擬態(tài)智能（Neuromorphic Intelligence）或者說(shuō)類腦芯片的投入更多聚焦在科研層面，針對(duì)的用戶也大都是科研院所，并沒有在商業(yè)應(yīng)用方面做更多考慮。
與學(xué)?？蒲胁煌?，公司層面最重要的還是技術(shù)與產(chǎn)品的落地。喬寧博士強(qiáng)調(diào)，我們創(chuàng)立公司做類腦芯片從一開始就是以應(yīng)用為主導(dǎo)，類腦芯片最擅長(zhǎng)的是超低功耗的實(shí)時(shí)動(dòng)態(tài)信息處理，針對(duì)的應(yīng)用場(chǎng)景是IoT端的傳感器信息的本地實(shí)時(shí)超低功耗處理。“目前aiCTX的類腦芯片按應(yīng)用分為兩大類：一類是針對(duì)動(dòng)態(tài)視覺的處理器芯片。這類芯片是類腦與傳統(tǒng)深度學(xué)習(xí)的結(jié)合體，在算法上依賴的是深度學(xué)習(xí)的CNN，而運(yùn)算的觸發(fā)機(jī)制則為脈沖觸發(fā)。另一類是對(duì)有時(shí)間維度（語(yǔ)音，心電信號(hào)，肌電信號(hào)，溫度壓強(qiáng)等）的自然信號(hào)實(shí)時(shí)處理的脈沖神經(jīng)網(wǎng)絡(luò)處理器。這一類處理器在算法層面依賴的是神經(jīng)動(dòng)力學(xué)，依靠脈沖神經(jīng)網(wǎng)絡(luò)進(jìn)行超低功耗實(shí)時(shí)動(dòng)態(tài)傳感器信息處理。”
當(dāng)然，選擇與研究機(jī)構(gòu)和巨頭不同的道路，以應(yīng)用為驅(qū)動(dòng)去設(shè)計(jì)類腦芯片自然還不足以超越他們，最關(guān)鍵的還是需要技術(shù)上的積累與突破。aiCTX背靠的是在神經(jīng)擬態(tài)（neuromorphic）領(lǐng)域全球領(lǐng)先的蘇黎世大學(xué)及蘇黎世聯(lián)邦理工大學(xué)神經(jīng)信息研究所（Institute of Neuroinformatics，簡(jiǎn)稱INI)，有20多年成熟的腦科學(xué)，神經(jīng)形態(tài)架構(gòu)、算法、芯片等各方向的研發(fā)經(jīng)驗(yàn)。據(jù)了解，該研究所于1995年由蘇黎世聯(lián)邦理工學(xué)院（ETH Zurich，2019年QS世界大學(xué)排名第7名）和蘇黎世大學(xué)（UZH，2019年QS世界大學(xué)排名第78名）聯(lián)合創(chuàng)辦。
深耕科研，基于多年世界領(lǐng)先的科研成果，喬寧博士與業(yè)界大牛Giacomo Indiveri教授一起于2017年2月底在瑞士蘇黎世創(chuàng)立類腦芯片公司aiCTX。喬寧博士告訴雷鋒網(wǎng)，aiCTX = AI-CorTex，CTX是英文中Cortex（腦皮層）的縮寫。aiCTX的名字與“腦皮層”緊密相連，代表aiCTX神經(jīng)擬態(tài)運(yùn)算在硬件中實(shí)現(xiàn)，以期解決人工智能中的問題。
喬寧博士表示：“從2012年起加入INI領(lǐng)導(dǎo)歐洲類腦芯片項(xiàng)目開發(fā)，我和團(tuán)隊(duì)已經(jīng)成功研發(fā)多款aiCTX的核心研發(fā)團(tuán)隊(duì)在脈沖神經(jīng)網(wǎng)絡(luò)模型、算法、類腦芯片架構(gòu)，芯片設(shè)計(jì)等領(lǐng)域擁有國(guó)際頂級(jí)學(xué)術(shù)文章500多篇，引用量達(dá)12000多次。”
事件驅(qū)動(dòng)運(yùn)算是脈沖神經(jīng)網(wǎng)絡(luò)的天然屬性，而傳統(tǒng)的深度學(xué)習(xí)很難做到這一點(diǎn)，這是實(shí)現(xiàn)脈沖神經(jīng)網(wǎng)絡(luò)的類腦芯片在超低功耗邊緣運(yùn)算上極大的優(yōu)勢(shì)。喬寧博士認(rèn)為，每個(gè)人對(duì)類腦芯片的理解和定義有所不同，但其最天然的屬性是事件驅(qū)動(dòng)運(yùn)算。只有做到事件驅(qū)動(dòng)運(yùn)算，才可能實(shí)現(xiàn)真正意義上的“聽著看著又不耗電”的適用于IoT的可以Alawys On邊緣AI應(yīng)用。
設(shè)計(jì)事件驅(qū)動(dòng)或者說(shuō)脈沖神經(jīng)網(wǎng)絡(luò)處理器時(shí)無(wú)法回避的就是脈沖的生成與傳遞是隨機(jī)的，如果用時(shí)鐘就會(huì)大大降低效率，也因?yàn)橐腩~外功耗很難做到Always On，如果想做高效的脈沖神經(jīng)網(wǎng)絡(luò)處理器，異步電路必不可少。而設(shè)計(jì)異步電路時(shí)，由于沒有很好的EDA軟件支持，不能像設(shè)計(jì)傳統(tǒng)數(shù)字電路那樣借助EDA快速且方便的完成設(shè)計(jì)，因此異步電路設(shè)計(jì)對(duì)大部分公司而言這非常困難。
“我們從2012年就開始做基于異步電路的類腦芯片設(shè)計(jì)，并且發(fā)展了一整套內(nèi)部的EDA軟件支持我們完成異步電路的自動(dòng)化設(shè)計(jì)與驗(yàn)證，這是很大的優(yōu)勢(shì)。”喬寧博士指出。
最終我們看到，aiCTX發(fā)布了世界首款完全基于事件觸發(fā)運(yùn)算的動(dòng)態(tài)視覺AI處理器DynapCNN。該處理器是一款純異步、高可配置性、可拓展性的神經(jīng)形態(tài)處理器。芯片面積僅為12平方毫米，采用GF22nm工藝設(shè)計(jì)，單芯片集成超過(guò)100萬(wàn)脈沖神經(jīng)元和400萬(wàn)可編程參數(shù)，支持多種CNN架構(gòu)，其芯片架構(gòu)所具有的可拓展性適合于實(shí)現(xiàn)大規(guī)模脈沖卷積神經(jīng)網(wǎng)絡(luò)。
并且，DynapCNN的高靈活性和可重新配置性也為開發(fā)和實(shí)現(xiàn)一系列AI模型提供了可能性，基于動(dòng)態(tài)視覺的事件觸發(fā)運(yùn)算機(jī)制使得芯片達(dá)到亞mW級(jí)的功率。此外，芯片使用稀疏計(jì)算對(duì)場(chǎng)景中的物體移動(dòng)進(jìn)行處理，進(jìn)一步降低了芯片的動(dòng)態(tài)功耗。
另外，DynapCNN處理器集成專用接口電路，可直連絕大多數(shù)動(dòng)態(tài)攝像頭，進(jìn)行臉部識(shí)別、手勢(shì)識(shí)別、高速移動(dòng)物體追蹤、歸類、行為識(shí)別等。
據(jù)介紹，DynapCNN可以對(duì)像素級(jí)動(dòng)態(tài)數(shù)據(jù)流進(jìn)行連續(xù)計(jì)算，對(duì)移動(dòng)物體實(shí)時(shí)識(shí)別可實(shí)現(xiàn)低于5ms的超低延遲。相較于已有的深度學(xué)習(xí)實(shí)時(shí)視覺處理方案，DynapCNN所提供的超低延時(shí)動(dòng)態(tài)視覺解決方案對(duì)比與DL加速器技術(shù)，將識(shí)別響應(yīng)延時(shí)縮短了10倍以上，同時(shí)功耗降低100倍以上，能為車載及高速飛行器等高速視覺場(chǎng)景提供更好的解決方案。喬寧博士表示，DynapCNN相應(yīng)的開發(fā)套件將于2019年第三季度上市。
除了路線、技術(shù)與巨頭的不同，能讓aiCTX在商用方面取得領(lǐng)先的第三個(gè)關(guān)鍵就是產(chǎn)品模組化。喬寧博士在接受專訪的時(shí)候也提到，即便一個(gè)很完善的類眼DVS（Dynamic Vision Sensor ，動(dòng)態(tài)視覺傳感器），搭配傳統(tǒng)CPU或者DL加速器進(jìn)行動(dòng)態(tài)視覺處理，效率也會(huì)大打折扣。新一代的神經(jīng)擬態(tài)智能必須是完整的系統(tǒng)級(jí)的解決方案，才能發(fā)揮出最大的優(yōu)勢(shì)。
因此，aiCTX將在今年三季度將會(huì)推出首款整體功耗 <1mW的SoC級(jí)動(dòng)態(tài)視覺智能傳感器Speck。該芯片基于65nm工藝設(shè)計(jì)，片上集成動(dòng)態(tài)攝像頭及動(dòng)態(tài)處理器。作為一個(gè)完整的動(dòng)態(tài)視覺解決方案，Speck的整體峰值功耗將低于1mW；而在通常智能家居等應(yīng)用場(chǎng)景下，整體平均功耗將在0.5mW以下 （1節(jié)5號(hào)電池可驅(qū)動(dòng)近1年的時(shí)間）。對(duì)于輕量級(jí)的邊緣視覺智能應(yīng)用，使用者將不需要再添加額外的處理器或攝像頭，即插即用。這樣做無(wú)疑也是為了降低類腦芯片的使用門檻。
喬寧博士也表示，aiCTX的產(chǎn)品的應(yīng)用也有一個(gè)短期、中期、長(zhǎng)期的規(guī)劃，短期看視覺物聯(lián)網(wǎng)的應(yīng)用會(huì)更快。 對(duì)于動(dòng)態(tài)信息實(shí)時(shí)處理的超低功耗，超低延時(shí)以及成本是我們方案的競(jìng)爭(zhēng)力所在。現(xiàn)在公司與許多潛在客戶都有接觸，包括瑞士的IoT公司，國(guó)內(nèi)的Tier1車企、AI芯片公司等，無(wú)論是項(xiàng)目層面還是產(chǎn)品層面，短期可能都會(huì)有一些合同達(dá)成。
另?yè)?jù)雷鋒網(wǎng)了解，為了滿足車企的需求，aiCTX已經(jīng)將車軌級(jí)認(rèn)證的要求加入了下一代芯片設(shè)計(jì)的考量中，這也將是他們近期工作的重點(diǎn)之一。
aiCTX也得到了資本的認(rèn)可，2017年底，獲得十維資本領(lǐng)投的數(shù)百萬(wàn)美元天使輪融資。2018年底，獲得BV（百度風(fēng)投）領(lǐng)投的數(shù)百萬(wàn)美元Pre-A輪融資，用于加速研發(fā)及技術(shù)成果落地。2018年初，成功獲批了歐盟H2020關(guān)于腦機(jī)接口的為期4年的科研項(xiàng)目“SYNCH”及歐盟動(dòng)態(tài)機(jī)器視覺科研項(xiàng)目“TEMPO”，并獲得相應(yīng)經(jīng)費(fèi)支持。下一步，aiCTX計(jì)劃于2019年6月完成A輪融資。
類腦芯片不是萬(wàn)能的
至此，從原理上看我們已經(jīng)可以明確類腦芯片具備超低功耗和超低延時(shí)，更適合IoT邊緣傳感器的動(dòng)態(tài)信息本地實(shí)時(shí)處理等優(yōu)點(diǎn)。不僅如此，由于aiCTX的SNN處理器算力主要是用于稀疏點(diǎn)數(shù)據(jù)流的實(shí)時(shí)處理，因此并不強(qiáng)調(diào)算力。并且，對(duì)于先進(jìn)工藝的需求也并不十分強(qiáng)烈。
喬寧表示：“類腦芯片對(duì)工藝的需求主要取決于應(yīng)用，如果對(duì)于網(wǎng)絡(luò)資源有較大的需求，比如用于無(wú)人車或者無(wú)人機(jī)超低延時(shí)動(dòng)態(tài)視覺AI應(yīng)用，才需要22nm等先進(jìn)工藝；但是如果是語(yǔ)音識(shí)別或者心電信號(hào)檢測(cè)，因?yàn)樾枰挠布Y源很小，只需要65nm甚至180nm的工藝，這也能在很大程度上降低成本。”
不過(guò)，對(duì)于目前的云端計(jì)算而言，并不適合類腦芯片。喬寧表示：“類腦芯片更擅長(zhǎng)的是超低功耗動(dòng)態(tài)信息實(shí)時(shí)處理，因此更適合用在端上。而比如傳統(tǒng)攝像頭生成的基于幀的靜態(tài)數(shù)據(jù)，則更適合用傳統(tǒng)的深度學(xué)習(xí)芯片處理。但以現(xiàn)在的趨勢(shì)看，多傳感器融合進(jìn)行動(dòng)態(tài)數(shù)據(jù)處理將是主要發(fā)展方向之一，類腦芯片未來(lái)也可在云加端發(fā)揮優(yōu)勢(shì)。”
來(lái)源 | 雷鋒網(wǎng)
作者 | 包永剛
